בפרסום לאחרונה ב מדע סין מדעי החיים, צוות מחקר בראשות פרופסור ג'ינג-דונג ג'קי האן ודוקטורט. הסטודנט Xinyu Yang מאוניברסיטת פקין הקים מודל למידה עמוקה להערכת גיל באמצעות ענני נקודות פנים תלת מימדיים שאינם רשומים. הם גם הציעו את אלגוריתם הטרנספורמציה המונוטונית מבחינת קואורדינטות כדי לבודד תווי פנים הקשורים לגיל מפרצופים אנושיים שניתן לזהות.
הצוות אימן את המודל על למעלה מ-16,000 מקרים של נתוני ענן תלת מימדיים של נקודות פנים, והשיג שגיאה מוחלטת ממוצעת של כ-3 שנים. המודל מזהה את השונות הסיבובית של פנים אנושיות. בניתוח שלהם של צורת הפנים וחשיבות גוון העור, הם פיתחו את אלגוריתם הטרנספורמציות המונוטוניות מבחינת קואורדינטות.
האלגוריתם יכול לעוות פנים מבלי לשנות את המיקומים היחסיים של אלמנטים בפנים. הצוות מצא שמודלים של למידה עמוקה יכולים להעריך במדויק ובעקביות גילאים עם פרצופים לפני ואחרי יישום אלגוריתם הטרנספורמציה בתרחישים שונים, מה שמוכיח שהטרנספורמציות משמרות ביעילות תווי פנים הקשורים לגיל.
עם זאת, במבחנים חזותיים, הנבדקים חוו ירידה ניכרת בדיוק ובמהירות התגובה בעת הערכת פנים שעברו שינוי. בנוסף, מודלים לאימות פנים חישוביים שהוכשרו על צורות פנים רגילות לא הצליחו לזהות פנים שעברו שינוי.
בהתחשב בקווי הדמיון וההבדלים בהערכת גיל ובמשימות הזיהוי, צוות המחקר הציע הנחיה להגנה על נתוני פנים. קו מנחה זה, הכולל טרנספורמציות מונוטוניות מבחינת קואורדינטות ואספקת נתונים סלקטיבית, נועד לספק בסיס תיאורטי לניהול מרכזי נתונים לפנים או מערכי נתונים ציבוריים.